論文の概要: Dexterity from Supervised Play

• arxiv url: http://arxiv.org/abs/2610.22340v1
• Date: Thu, 15 Oct 2026 17:55:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.271949
• Title: Dexterity from Supervised Play
• Title（参考訳）: 監督プレイからのデクサリティ
• Abstract要約: DSP:Dxterity from supervised play, a framework that a robot learn a play policy from minutes of human play through behavior cloning。 また,学習世界モデル内での自己プレイを通じて,閉ループでゴール条件付きポリシを蒸留する方法についても紹介する。
• 参考スコア（独自算出の注目度）: 49.53486721770492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How can robots autonomously collect the contact-rich experience needed to learn dexterous manipulation? We present DSP: Dexterity from supervised play, a framework in which a robot learns a play policy from minutes of human play through behavior cloning, then deploys it autonomously to collect hours of interaction data to train a world model. During inference, the same play policy then guides model-predictive control (MPC) by proposing candidate action sequences for evaluation under the learned world model. To accelerate inference, we also introduce a method for distilling a closed-loop, goal-conditioned policy through self-play within the learned world model. We evaluate this framework on underactuated pushing and any-to-any in-hand pose reorientation with a multifingered hand, in simulation and real world. In real world experiment, our method outperforms hindsight behavior cloning by 69.6% in success rate and achieves comparable success to reinforcement learning with 490 times less interaction data. These results demonstrate that supervised play can autonomously collect interaction data, guide model-based planning, and enable policy learning without any task-specific demonstrations or sim-to-real transfer.
• Abstract（参考訳）: ロボットは、巧妙な操作を学ぶために必要な、接触豊富な体験を自律的に収集できるのか? DSP: Dexterity from supervised play, a framework that a robot learn a play policy from minutes of human play through behavior cloning, then then deployed it to collect hours of interaction data to training a world model。 推論中、同じプレイポリシは、学習された世界モデルの下で評価のための候補アクションシーケンスを提案することによって、モデル予測制御(MPC)を導出する。 推論を高速化するため,学習世界モデル内での自己プレイを通じて,閉ループでゴール条件付きポリシを蒸留する方法も導入した。 シミュレーションや実世界において,この枠組みを多指ハンドで操作不能なプッシュと任意のポーズを並べ替える手法として評価する。 実世界の実験において,本手法は69.6%の成功率で後視行動クローニングを上回り,インタラクションデータの490倍の差で強化学習に匹敵する成功を収めた。 これらの結果から,教師付きプレイは,対話データを自律的に収集し,モデルベースプランニングをガイドし,タスク固有のデモンストレーションやシミュレート・トゥ・リアル・トランスファーを伴わずに政策学習を可能にすることが示された。

関連論文リスト

• Pre-training Visual Dexterity in Simulation [67.17477115017896]
  シミュレーションで完全に収集されたデータを利用するデクスタラスな操作のための事前学習フレームワークを導入する。 5人のオペレーターの助けを借りて、1週間にわたって75時間のマルチタスク・デキスタラスな操作を収集し、配列モデリングの目的に基づいて因果変換器を事前訓練する。 提案手法は,シミュレーション遠隔操作が実世界における創発的操作のトレーニング前情報源として有効なことを示し,学習行動のクローン化方針をゼロから上回る結果を得た。
  論文  参考訳（メタデータ） (2026-08-16T20:21:33Z)
• HumanoidMimicGen: Data Generation for Loco-Manipulation via Whole-Body Planning [52.022681285103126]
  我々はHumanoid MimicGenについて述べる。 本手法は,少数の実演から新しい状態へ,接触に富んだ全身スキルを適応させる。 我々は、HumanoidMimicGenが生成したデータと協調してトレーニングされた全身ビズモータポリシーが、実世界のデータでのみトレーニングされたものよりも20%優れていたことを示す。
  論文  参考訳（メタデータ） (2026-05-26T21:57:11Z)
• PlayWorld: Learning Robot World Models from Autonomous Play [8.710835027281465]
  対話体験から高忠実度ビデオワールドシミュレータをトレーニングするための,シンプルでスケーラブルで完全自律的なパイプラインであるPlayWorldを紹介する。 PlayWorldは、教師なしのロボットのセルフプレイから完全に学習できる最初のシステムであり、自然にスケーラブルなデータ収集を可能にする。 実験により、PlayWorldは、人間が収集したデータに基づいてトレーニングされた世界モデルによって捉えられていないコンタクトリッチなインタラクションに対して、高品質で物理的に一貫した予測を生成することが示された。
  論文  参考訳（メタデータ） (2026-03-09T23:58:07Z)
• Tether: Autonomous Functional Play with Correspondence-Driven Trajectory Warping [44.348686148716894]
  構造化されたタスク指向インタラクションを含む自律型機能プレイ法であるTetherを紹介する。 まず、小さなソースのデモからアクションを警告する新しいオープンループポリシーを設計する。 第2に,タスク選択,実行,評価,改善の連続サイクルを通じて,現実の自律的機能プレイのためのこのポリシをデプロイする。
  論文  参考訳（メタデータ） (2026-03-03T18:59:07Z)
• Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for Autonomous Real-World Reinforcement Learning [58.3994826169858]
  ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。 我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。 提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
  論文  参考訳（メタデータ） (2023-10-23T17:50:08Z)
• Coarse-to-Fine Imitation Learning: Robot Manipulation from a Single Demonstration [8.57914821832517]
  視覚的模倣学習のためのシンプルな新しい手法を導入し,新しいロボット操作タスクを1人の人間による実演から学習できるようにする。 提案手法は、状態推定問題として模倣学習をモデル化し、状態がエンドエフェクタのポーズとして定義される。 テスト時、エンドエフェクタは線形経路を通って推定状態に移動し、元のデモのエンドエフェクタ速度を単に再生する。
  論文  参考訳（メタデータ） (2021-05-13T16:36:55Z)
• Passing Through Narrow Gaps with Deep Reinforcement Learning [2.299414848492227]
  本稿では,小さな隙間を自律的に航行する深層強化学習手法を提案する。 我々はまず,ロボットとギャップとの接触が必要な小さなギャップを乗り越えるために,ギャップ行動ポリシーを学習する。 シミュレーション実験では,操作者が手動でギャップ動作を動作させると,93%の成功率が得られる。 実際のロボット実験では、手動アクティベーションで73%、自律的な行動選択で40%の成功率を達成した。
  論文  参考訳（メタデータ） (2021-03-06T00:10:41Z)
• A Framework for Efficient Robotic Manipulation [79.10407063260473]
  単一のロボットアームがピクセルからスパースリワード操作ポリシーを学習できることを示します。 デモは10回しかなく、単一のロボットアームがピクセルからスパースリワード操作のポリシーを学習できることを示しています。
  論文  参考訳（メタデータ） (2020-12-14T22:18:39Z)
• Human-in-the-Loop Imitation Learning using Remote Teleoperation [72.2847988686463]
  6-DoF操作設定に合わせたデータ収集システムを構築します。 システムによって収集された新しいデータに基づいて,ポリシーを反復的にトレーニングするアルゴリズムを開発した。 介入型システムで収集したデータに基づいて訓練されたエージェントと、非介入型デモ参加者が収集した同等数のサンプルで訓練されたアルゴリズムを上回るエージェントを実証する。
  論文  参考訳（メタデータ） (2020-12-12T05:30:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。